基于知识驱动可达集的自动驾驶神经符号决策与规划

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Neuro-symbolic decision-making and planning for autonomous driving via knowledge-driven reachable set

　　

•提出了一种用于自动驾驶决策与规划的新型神经符号框架，以促进安全决策与平滑轨迹的集成生成。•开发了一种知识驱动的可达集生成器，为各种交通场景提供交通语义知识与物理安全约束的统一表示。•基于动态知识图谱和动态规划，提出了一种用于决策与规划的符号推理算法。

引言

决策与规划被视为自动驾驶系统的核心模块。在动态交通环境中，安全性、效率和乘坐舒适性直接由这些模块决定（Teng 等，2023；Yuan 等，2024）。为满足这些需求，神经方法已被广泛应用于决策与规划（Meng 等，2024）。这些神经方法包括端到端模型、强化学习（RL）方法以及大语言模型辅助框架（Chen 等，2024；Tian 等，2026；Wu 等，2024）。这些方法展现了强大的适应性和泛化能力。它们能够从大规模驾驶数据中学习复杂的交通交互，并利用这些学习到的交互来处理多样化的交通场景（Elallid 等，2022）。

然而，自动驾驶属于安全关键任务，因此对决策与规划提出了严格要求。由于神经方法存在若干固有局限性，这些要求难以满足（Lin 等，2026）。首先，这些方法的黑盒结构使得其决策与规划过程难以解释。这种结构阻碍了决策逻辑的追踪，使安全认证和监管评估变得复杂（Kuznietsov 等，2024）。其次，许多神经方法仅隐式地表示交通规则和物理约束，因此无法保证严格遵守规则（Shi 等，2025）。第三，下游规划对神经轨迹预测的不确定性可能很敏感，这种不确定性可能通过管线传播，导致真实场景中的规划失败（Shao 等，2025；Tang 等，2022）。

为应对这些局限性，越来越多的关注点转向了将符号逻辑与人工神经网络相结合的神经符号方法（Manas 和 Paschke，2025；Nawaz 等，2025；Wang 等，2025b）。现有研究可根据符号知识引入的位置分为三类。第一类在决策层引入规则约束，通过这些约束减少输出歧义并提高逻辑可追溯性。第二类在规划层融入符号知识，通过该知识施加车辆动力学和碰撞规避约束。第三类在决策和规划两个层面均引入符号逻辑，旨在缩小高层语义决策与底层数值规划之间的差距。

尽管这些方法在一定程度上提高了环境适应性和可解释性，但它们仍存在明显的局限性。第一类和第二类方法未能弥合高层语义决策与底层数值规划之间的差距，导致决策与规划仍然脱耦，未能实现深度融合。第三类方法尝试进行集成设计，但往往未能提供统一表示，因此无法联合建模动态交通知识、实时物理约束和连续轨迹生成。当决策与规划弱耦合时，高层驾驶决策的选择可能未充分考虑车辆动力学或周围车辆的预测运动，规划器随后可能因该决策无法安全执行而拒绝或修改它。这种不匹配可能导致车辆响应延迟并引起不必要的制动或驾驶行为的反复变化（Huang 等，2024；Liu 等，2025），从而降低驾驶安全性、效率和乘坐舒适性。在动态交通环境中，预测不确定性可能使这些问题更加严重。

为解决上述问题，本文提出了一种新型神经符号框架。知识驱动的可达集（RS）生成器作为神经模块与符号模块之间的核心桥梁，提供交通语义与物理约束的统一表示。通过该表示，神经感知和轨迹预测与符号决策和规划得以集成，支持统一推理和闭环交互。因此，可在一次推理过程中生成可解释的驾驶决策和可行的轨迹。总体而言，所提出的框架为复杂交通环境中的自动驾驶提供了有效解决方案。

本部分从神经符号集成的角度回顾了现有决策与规划研究。根据符号逻辑引入决策与规划过程的方式，现有集成范式被分为三个层级：决策层、规划层或两者的结合。

**决策层集成**

此类工作在决策层融入交通规则、逻辑约束和人类先验知识，旨在确保高层语义决策的安全性和合规性。

从技术角度看，强化学习框架被广泛用于支持结合外部知识的决策。在这些框架中，许多研究强调奖励函数的设计，将交通规则、安全原则和物理定律转化为奖励项，在训练过程中引导模型的决策，对不安全或违规的决策施加惩罚，从而学习合规的驾驶策略（Huang 等，2025；Sharifi 等，2026；Wang 等，2025a）。与基于强化学习的方法不同，形式化验证方法为决策提供了更强的逻辑保证。在这些方法中，使用线性时序逻辑或信号时序逻辑定义安全规范，在决策层强制遵守交通法规（Mehdipour 等，2023）。随着生成式模型的发展，认知增强的神经符号架构被引入，其中大语言模型为决策提供常识知识，同时引入检索增强推理和表示对齐以支持决策，从而改善了罕见和长尾决策场景下的性能（Cai 等，2026；Lu 等，2025a；Zhou 等，2026）。

从架构角度看，通过基于实体的关系推理探索了关系推理，推断语义有意义的交互图来表示交通参与者之间的关系（Tang 等，2024）。还发展了符号模仿学习，通过归纳逻辑编程推导出可解释的驾驶策略（Sharifi 等，2025）。此外，柯尔莫哥洛夫-阿诺德网络被用于替代传统多层感知器，这些模型提供了结构可解释性并支持更透明的决策（Huang 等，2026）。此外，一些研究将贝叶斯估计与认知编码相结合，构建了社会感知的驾驶意图模型，显式表示动态参与者之间的交互（Bhattacharyya 等，2022；Li 等，2024；Lu 等，2025b；Melo Castillo 等，2025）。

然而，由于符号知识仅在决策层引入，高层语义决策与底层数值规划之间仍然存在差距。在这些方法中，符号模块首先产生安全的高层决策，然后传递给独立的规划器。由于缺乏统一的物理约束，无法保证生成可行且平滑的轨迹。决策意图与规划执行之间的这种分离阻碍了完全闭环的安全保证。

**规划层集成**

此类工作直接将物理约束和碰撞规避逻辑纳入规划过程，从而确保生成轨迹的物理可行性。

在计算层面，车辆动力学模型作为硬约束被引入神经网络输出阶段，在这些规划框架中定义了明确的物理边界，使得神经网络生成的轨迹可在规划过程中被修正，从而满足车辆动力学约束（Bahari 等，2021；Wu 等，2022；Zhao 等，2024）。在多智能体运动规划场景中，还引入了基于规则的优先级约束，以确保预测轨迹遵守路权规则（Shi 等，2025）。

在环境表示方面，一些研究将交通规则和交通标志编码为矢量化高精地图中的逻辑关系，构建交通场景图来表示车道连通性和规则约束（Chang 等，2025）。为应对环境感知中的不确定性，引入了增量符号精炼树，这些结构捕获不断演变的环境知识并支持具有形式化保证的反应式规划（Kamale 等，2023）。针对动态风险处理，一些研究将物理反馈与实时风险信息相结合，使用贝叶斯推断和人工势场方法调整局部规划器的代价函数，在线调节自适应变道规划器的参数以平衡安全性和舒适性（Chu 等，2024；Tang 等，2022；Zhao 等，2025）。

尽管这些方法约束了规划器的搜索空间，但其性能仍严重依赖上游决策的准确性。如果产生了不准确的驾驶决策，规划器可能无法生成可行轨迹。此外，这些方法通常缺乏有效应对环境感知不确定性的机制，因此在高度动态环境中的环境适应性仍然有限。

**决策与规划双层集成**

此层级的方法将神经符号推理同时应用于决策和规划，旨在提高两个阶段之间的协调性。

已开发出集成模型，在单一框架内连接预测、决策和规划（Liu 等，2024）。例如，一些研究设计了可学习可微代价函数，将轨迹预测和规划集成到单一计算图中，实现对两个模块的联合优化（Huang 等，2024）。VADv2 进一步探索了基于概率规划的端到端架构，在该架构中使用矢量化场景表示从感知到规划保持一致性（Jiang 等，2026）。DME-Driver 将人类决策逻辑与三维场景感知相结合，直接使用语义信息指导规划过程（Han 等，2025）。此外，UDMC 采用集成建模框架，联合预测周围参与者的运动并控制自车，实现了端到端的信息流和规则执行（Liu 等，2025）。

然而，大多数现有方法仍依赖单向层次结构，信息通过线性管线传递，未能实现真正的闭环推理。更根本的局限性在于缺乏统一表示：离散符号推理在高层逻辑空间运行，而轨迹生成在连续数值空间执行。这种差距阻碍了有效集成，并限制了高度动态环境中的环境适应性和可解释性。

如表1所示，上述回顾的三种神经符号集成类型在符号信息、决策-规划耦合度以及物理可行性使用方面与NSDMP进行了比较。在决策层的神经符号集成中，规则或知识约束高层决策，而物理可行性在后续规划中检查。在规划层的神经符号集成中，符号场景知识或物理约束限制轨迹生成，但上游决策未被修正。决策与规划双层的神经符号集成连接了这两个阶段，但可行性通常通过学习到的特征或代价隐式表示。在NSDMP中，动态知识图谱表示语义事实，知识驱动的可达集表示物理可行性，并在轨迹优化之前通过动态知识图谱迭代将可达集可行性返回给决策模块。因此，NSDMP的独特优势不仅在于使用规则或知识，更在于它们与显式物理可行性的闭环连接。

针对上述回顾中识别的各种局限性，本文提出了一种神经符号决策与规划（NSDMP）框架，主要贡献如下：

（1）提出了一种新型神经符号决策与规划框架，集成神经网络学习、符号推理和可达集分析，将动态交通环境的适应性与可解释的决策与规划相结合。

（2）开发了一种知识驱动的可达集生成器。与传统仅用于提供物理约束的可达集不同，该生成器作为神经模块与符号模块之间的核心桥梁，从而实现动态知识与物理约束的统一表示。

（3）提出了一种用于决策与规划的符号推理算法，将决策推理、规划推理和动态知识图谱迭代相结合，生成可解释的决策和轨迹，并持续更新时序知识。

## 章节片段

### 总体框架

如图1所示，NSDMP包含四个模块：神经模块、知识驱动的可达集生成器、符号模块和轨迹优化器。通过这四个模块的紧密协作，实现了可解释的决策与规划，从而将符号方法的可解释性与神经方法的环境适应性相结合。

神经模块用作环境感知和轨迹预测的基础。

非结构化方法论

本节描述了神经模块、知识驱动的RS生成器、符号模块和轨迹优化器的工作机制。所有符号的含义见表A.1。

实验

CommonRoad作为自动驾驶决策与规划算法的测试基准，近年来被大量研究广泛使用（Althoff等，2017；Chen等，2025；Lu等，2025a）。本研究从NGSIM数据集中选取了大量真实交通场景，并在CommonRoad中进行重构，以验证所提框架的有效性（Punzo等，2011）。本研究设计了三组实验。实验1展示了……

结论与未来工作

本研究提出了一种新颖的神经-符号决策与规划框架（NSDMP）。该框架有效地将人工神经网络的环境适应能力与符号逻辑的可解释性相结合。首先，在典型交通场景中验证了该框架的可行性。符号模块在知识图谱中匹配事实，随后激活交通规则，从而生成可追溯的驾驶决策和轨迹点。接下来，基本……

作者贡献声明

Shijie Wu：撰写——初稿，方法论。Chao Lu：撰写——审阅与编辑，概念构思。Ze Song：验证。Boyuan Cai：验证。Sizhe Fan：数据管理。Jianwei Gong：指导。

Shijie Wu | Chao Lu | Ze Song | Boyuan Cai | Sizhe Fan | Jianwei Gong